JP7398249B2 - 写真画像を用いた移動体軌跡生成装置 - Google Patents

Description

本発明は、写真画像を用いた移動体軌跡生成装置に関する。

一般に、道路の車線（道路の中心線）は、ノードとリンク等よりなる道路ネットワークで構成されている。
また、道路は新たに構築されたり、或いは車線が増減されたりする。このため、道路ネットワークは定期的に見直しが必要である。一方、近年は、人工衛星によって撮影した衛星画像が提供されている。

例えば、特許文献１は、露光時点の衛星画像のＲ成分画像と、Ｇ成分画像と、Ｂ成分画像と合成したカラー合成画像を生成し、このカラー画像にモノクロ画像を重ねたパンシャープン画像を生成して、道路上を移動する車両の移動量を色表示している。

特許第６２９１６２４号公報

しかしながら、特許文献１は車両毎の移動量は分かるが、移動体の移動軌跡を知ることができない。例えば、道路の増減、新築、車線の増減等を検出することができない。
また、移動体軌跡が検出できないので、例えば、道路の増減に伴う道路ネットワークを構築することができない。

また、道路の増減、車線の増減によって、今後生じる変化を検出してはいない。
本発明は、以上の課題を解決するためになされたもので、飛行体が取得した写真画像を用いて移動体の新たな移動軌跡又は変更があった移動軌跡等を検出できる移動体軌跡生成装置を得ることを目的とする。

本発明に係る移動体軌跡生成装置は、飛行体が所定の速度で移動しながら所定の露光タイミングでＲ、Ｇ、Ｂラインセンサで取得したライン毎撮影画像に基づいて前記撮影エリアの移動体軌跡を生成する写真画像を用いた移動体軌跡生成装置であって、
所定期間にわたる、前記Ｒ、Ｇ、Ｂラインセンサ毎の色成分毎撮影画像を記憶した色成分毎画像用記憶部と、パンシャープン画像用記憶部と、ＲＧＢ強調画像用記憶部と、カラー合成画像用記憶部と、パンクロマチック画像用記憶部と、移動体軌跡画像用記憶部とを備え、さらに、
前記露光タイミング毎のＲ、Ｇ、Ｂラインセンサ毎の色成分毎撮影画像同士を重ね合わせた露光毎カラー合成画像を生成し、これを前記カラー合成画像用記憶部に記憶する手段と、
前記露光タイミング毎のＲ、Ｇ、Ｂラインセンサ毎のライン毎撮影画像の内で、Ｒ成分、Ｇ成分又はＢ成分のライン画像と同一波長成分の画像を抽出し、この抽出画像と、該抽出画像と同一波長成分のＲ成分、Ｇ成分又はＢ成分のライン画像と重ね合成して露光毎パンクロマチック画像を生成し、これを前記パンクロマチック画像用記憶部に記憶する手段と、
前記露光毎カラー合成画像と前記露光毎パンクロマチック画像とを重ね合成した露光毎パンシャープン画像を生成し、これを前記パンシャープン画像用記憶部に記憶する手段と、
この露光毎パンシャープン画像毎に、この画像の内で、Ｒ、Ｇ、Ｂが連続する塊のメッシュ群を移動体とし、このメッシュ群を構成するＲ色のメッシュ、Ｇ色のメッシュ、Ｂ色のメッシュの各々の色値を予め設定されている最大値にした画像をＲＧＢ強調画像として前記ＲＧＢ強調画像用記憶部に記憶する手段と、
前記ＲＧＢ強調画像同士を重ね合わせて、得れた白値の連続軌跡を前記移動体軌跡として前記移動体軌跡画像用記憶部に記憶する手段とを備えたことを要旨とする。

以上のように本発明によれば、移動体の移動軌跡が略移動体幅の連続した帯状軌跡を得ることができる。
従って、この連続した帯状軌跡と移動体の移動軌跡ネットワーク（道路ネットワーク）とを比較することで、新たな移動軌跡又は変更があった移動軌跡等を検出できる。
さらに、連続した帯状軌跡に基づいてノード、リンク等よりなる移動軌跡ネットワーク（道路ネットワーク）を容易に生成できることになる。
さらに、ＡＩを組み込めば、移動体の移動軌跡が略移動体幅の連続した帯状軌跡、移動軌跡ネットワーク（道路ネットワーク）、周囲の情報に基づいて、今後予測される移動体への影響等を予測できる。

本実施の形態１の写真画像を用いた道路変化検出システムの概略構成図である。 本実施の形態１による得られた道路上車両速度軌跡Ｌａｉ付の車両移動軌跡検出画像ＣＤｉの説明図である。 車両移動軌跡検出画像ＣＤｉの生成手順の説明図である。 移動体軌跡生成部６０の処理を説明する説明図である。 色強調前パンシャープン画像ＣＰ１ｉの説明図である。 色強調処理のフローチャートである。 色強調前パンシャープン画像ＣＰ１ｉ及び色強調後パンシャープン画像ＣＰ２ｉの説明図である。 移動体のＲ１、Ｇ、Ｂ成分の変化を説明する説明図である。 Ｒ１と、Ｇと、Ｂと、Ｒ２の関係を説明する説明図である。。 停止中の車両ＴｓのＲＧＢ表示の説明図である。 低速走行中の車両ＴｍａのＲＧＢ表示の説明図である。 高速走行中の車両ＴｍｂのＲＧＢ表示の説明図である。 色強調前パンシャープン画像ＣＰ１ｉのＲＧＢ値を色強調後パンシャープン画像ＣＰ２ｉのＲＧＢ値にする場合の説明図である。 車両移動と３ラインセンサの移動の関係の説明図である。 画像重ね合わせの説明図（１／３）である。 画像重ね合わせの説明図（２／３）である。 画像重ね合わせの説明図（３／３）である。 実施の形態２の写真画像を用いた道路変化検出システムの概略構成図である。 実施の形態３の写真画像を用いた道路変化検出システムの概略構成図である。

以下に示す本実施の形態は、発明の技術的思想（構造、配置）を具体化するための装置や方法を例示するものであって、本発明の技術的思想は、下記のものに特定されるものではない。本発明の技術的思想は、特許請求の範囲に記載された事項の範囲内において、種々の変更を加えることができる。また、図面は模式的なものであり、装置やシステムの構成などは現実のものとは異なることに留意すべきである。

本実施の形態の移動体軌跡生成装置は、移動体は車両、船舶、航空機でもよいが、車両として説明する。本実施の形態の移動体軌跡生成装置（システム）は、上空から撮影した所定期間（数日、数年又は数時間の期間）のエリアＥｉの露光タイミング時のＲ、Ｇ、Ｂ成分毎の色成分毎画像Ｇｑｉ（Ｒ、Ｇ、Ｂ）を順次、読込み、この読込毎にＲ、Ｇ、Ｂ成分の色成分毎画像Ｇｑｉ同士を重ね合わせて露光毎カラー合成画像を生成し、この露光毎カラー合成画像の内で、同一波長同士の画像を重ね合わせて露光毎パンクロマチック画像を生成する。

そして、露光毎カラー合成画像と露光毎パンクロマチック画像とを重ね合成した露光毎パンシャープン画像ＣＰ１ｉを生成し、この露光毎パンシャープン画像ＣＰ１ｉ（ＣＰ１１、ＣＰ１２、・・）を生成し、移動体とするメッシュの色を強調させて、道路上の移動体（車両、航空機、船舶等）の移動量（速度に関係する）を色（以下、移動量色Ｊｉ（ＲＧＢ）という）で現したＲＧＢ強調パンシャープン画像ＣＰ２ｉ（ＣＰ２１、ＣＰ２２、・・）を生成する。

そして、これらのＲＧＢ強調パンシャープン画像ＣＰ２ｉ（ＣＰ２１、ＣＰ２２、・・）をさらに重ね合わせて道路上を一本の軌跡で表わした車両移動軌跡検出画像ＣＤｉを生成する（図２参照）。

図２は上り２斜線（２レーンともいう）、下り３車線（３レーンともいう）の高速道路の例であり、各々のレーンが一本の線で示している。
本実施の形態で用いるライン毎撮影画像ａｑｉは、衛星画像、航空機（ドローン含む）で取得した航空機撮影画像等の写真画像であっても構わないが、人工衛星（図示せず）に搭載された３ラインセンサを備えたカメラ装置（図示せず）からの露光タイミング毎のライン毎撮影画像ａｑｉ（Ｒ、Ｇ，Ｂ）を用いて生成している。また、移動体は、車両（自動車、オートバイ、自転車）として説明する。

また、ライン毎撮影画像ａｑｉは、数キロ～数十キロの画像を得るエリアセンサ又は、Ｒライン、Ｇライン、Ｂラインよりなる３ラインセンサ或いはマルチラインイメージセンサに基づく画像であっても構わないが、本実施の形態では物理的離隔距離ＢＤが 例えば１０μｍの３ラインセンサを備えたカメラ装置で取得したライン毎撮影画像ａｑｉ（ａｒｉ（Ｒ）、ａｇｉ（Ｇ）、ａｂｉ（Ｂ））として説明する。

＜実施の形態１＞
図１は本実施の形態１の写真画像を用いた移動体検出装置の概略構成図である。
図１に示すように、本実施の形態は、衛星画像記憶制御部１０と、画像抽出部２０と、画像重ね合せ部３０と、色強調部５５と、移動体軌跡生成部６０と、同一エリア読込部９０と、道路変化検出部１００等のプログラムを備えた、コンピュータシステムである。

衛星画像記憶制御部１０は、人口衛星の３ラインセンサ（図示せす）を備えたカメラ装置（図示せず）からの撮影毎（例えば、２０２３年１０月１０日１０時１０分１０秒、２０２３年１０月１０日１０時１０分１１秒、・・・：露光ともいう）の送信情報Ｆｉ（Ｆ１、Ｆ２、・・）を受信する。

この受信毎に、この送信情報Ｆｉ（Ｆ１、Ｆ２、・・）に含まれているライン毎撮影車両移動軌跡検出画像用メモリ７０ａｑｉ（Ｒ、Ｇ、Ｂ）をＲライン用画像（Ｒ１）、Ｇライン用画像（Ｇ）、Ｂライン用画像（Ｂ）に分けて、該当のライン種（バンド種ともいう）の衛星画像受信用メモリ１２ｉ（Ｒ１画像用、Ｇ画像用、Ｂ画像用）に順次記憶している。

なお、露光時間としては、一般的に、人工衛星１が１ライン走査分を移動する時間（ 例えば、空間分解能が１メートルの衛星であれば、衛星が１メートルの距離を飛行するのに要する時間）に設定される。

ライン毎撮影画像ａｑｉの内でＲラインの画像データをＲ１ライン受信衛星画像ａｒｉ（ａｒ１、ａｒ２、・・）と称し、Ｇラインの画像データをＧライン受信衛星画像ａｇｉ（ａｇ１、ａｇ２、・・）と称し、Ｂラインの画像データをＢライン受信衛星画像ａｂｉ（ａｂ１、ａｂ２、・・）と称する。

これらのライン毎撮影画像ａｑｉは、Ｒライン受信衛星画像ａｒｉ（ａｒ１、ａｒ２、・・）、Ｇライン受信衛星画像ａｇｉ（ａｇ１、ａｇ２、・・）、Ｂライン受信衛星画像ａｂｉ（ａｂ１、ａｂ２、・・）の各々のライン間隔である物理的離隔距離ＢＤが、例えば数μｍ～十数μｍ 程度であるので、同一地点の物標（車両、船舶、航空機、鉄道等）に対しては若干の時間的ずれ（露光タイミング差）を持つことになる。

このため、露光時のＲライン受信衛星画像ａｒｉ（ａｒ１、ａｒ２、・・）、Ｇライン受信衛星画像ａｇｉ（ａｇ１、ａｇ２、・・）、Ｂライン受信衛星画像ａｂｉ（ａｂ１、ａｂ２、・・）は、各々がずれている。ずれは、車両の移動速度や移動方向などに対応し、動きの速い車両ほど大きくなる。

なお、Ｒライン受信衛星画像ａｒｉ（ａｒ１、ａｒ２、・・）は、Ｒ成分衛星画像受信用メモリ１２ａに記憶し、Ｇライン受信衛星画像ａｇｉ（ａｇ１、ａｇ２、・・）は、Ｇ成分衛星画像受信用メモリ１２ｂに記憶し、Ｂライン受信衛星画像ａｂｉ（ａｂ１、ａｂ２、・・）は、Ｂ成分衛星画像受信用メモリ１２ｃに記憶する。

そして、衛星画像記憶制御部１０は、ライン毎撮影画像ａｑｉ（ａｒｉ（Ｒ１）、ａｇｉ（Ｇ）、ａｂｉ（Ｂ））が衛星画像受信用メモリ１２ｉ（Ｒ１ライン用、Ｇライン用、Ｂライン用）に記憶される毎に、ラインディレイ補正、平面直角座標変換、またはオルソ補正などの処理を施した後、モザイク処理を施して、ライン毎モザイク処理画像用メモリ１１ｉ（例えば、１１ａ、１１ｂ、・・：Ｒ１、Ｇ、Ｂ）にライン毎モザイク処理画像Ｃｑｉ（Ｒ１、Ｇ、Ｂ）として記憶する。

Ｒ画像のライン毎モザイク処理画像Ｃｑｉは、Ｒ用ライン毎モザイク処理画像Ｃｒｉ（Ｃｒ１（Ｒ１）、Ｃｒ２（Ｒ１１）．・・・）と称し、Ｇ画像のライン毎モザイク処理画像Ｃｑｉは、Ｇ用ライン毎モザイク処理画像Ｃｇｉ（Ｃｇ１、Ｃｇ２．・・・）と称し、Ｂ画像のライン毎モザイク処理画像Ｃｑｉは、Ｂ用ライン毎モザイク処理画像Ｃｂｉ（Ｃｂ１、Ｃｂ２．・・・）と称する。

Ｒ用ライン毎モザイク処理画像Ｃｒｉ（Ｃｒ１、Ｃｒ２．・・・：Ｒ用ライン毎画像ともいう）は、Ｒ成分衛星画像用メモリ１１ａに記憶し、Ｇ用ライン毎モザイク処理画像Ｃｇｉ（Ｃｇ１、Ｃｇ２．・・・：Ｇ用ライン毎画像ともい）はＧ成分衛星画像用メモリ１１ｂに記憶し、Ｂ用ライン毎モザイク処理画像Ｃｂｉ（Ｃｂ１、Ｃｂ２．・・・：Ｂ用ライン毎画像ともいう）はＢ成分衛星画像用メモリ１１ｃに記憶する。

前述のライン毎撮影画像Ｇｑｉ（Ｒ１、Ｇ、Ｂ）について説明する。人工衛星１は、例えば、地球の約４００ｋｍ（キロメートル）～約７００ｋｍの高度の上空を、ほぼ一定の速度で飛行する人工衛星１によって取得された画像であり、例えば、１日単位で取得されているのが好ましい。

ラインセンサは、地表部分の画像を約２．５ｍ（メートル）×５０ｋｍの幅で取得する。人工衛星１に搭載されたカメラ装置は、このライン毎撮影画像Ｇｑｉ（Ｒ１、Ｇ、Ｂ）に後述するヘッダ情報ＥＨｉ等を付加して前述の送信情報Ｆｉとして地上局（図示せず）に送信している。

ヘッダ情報ＥＨｉとは、例えば、Ｃ＆ＤＨ（CommandandDataHandling）系などにより３ライン毎撮影画像Ｇｑｉ（Ｒ１、Ｇ、Ｂ）に付加される撮影時のメタ（meta）データである。

ヘッダ情報ＥＨｉには、例えば、衛星を識別するための情報（ＩＤ）、撮影時の緯度、経度、高度、姿勢などの情報、空間分解能、撮影日や撮影時刻、撮影開始時刻（ Collection Start Time） 及び終了時刻（CollectionEndTime）に関する情報、バンドの種別（色種）に関する情報、画素の位置を示すＣＣＤのピクセル座標Ｐｚａｉ（ｉ，ｊ）、送信先情報などが含まれる。

画像抽出部２０は、オペレータによって入力されたエリアＥｉ（地名、住所等）と、解析期間Ｗｉ（所定範囲ともいう）等を読込む。この解析期間Ｗｉは、例えば２０２３年１０月１０日～２０１９年１０月１０日と入力される。

なお、エリアＥｉはライン毎モザイク処理画像用メモリ１１ｉ（例えば、１１ａ、１１ｂ、・・：Ｒ１、Ｇ、Ｂ）のライン毎モザイク処理画像Ｃｑｉ（Ｒ用ライン毎モザイク処理画像Ｃｒｉ、Ｇ用ライン毎モザイク処理画像Ｃｇｉ、Ｂ用ライン毎モザイク処理画像Ｃｂｉ）の所定範囲を図示しない表示部の画面に表示させてエリアを指定させる。又は、地図をの画面上に予め表示させた状態において、エリアＥＷｉの指定を行わせるようにしてもよい。

そして、画像抽出部２０は、この解析期間Ｗｉ及びエリアＥｉに該当するライン毎モザイク処理画像用メモリ１１ｉ（例えば、１１ａ、１１ｂ、・・：Ｒ、Ｇ、Ｂ）の全てのライン毎モザイク処理画像Ｃｑｉ（Ｒ用ライン毎モザイク処理画像Ｃｒｉ、Ｇ用ライン毎モザイク処理画像Ｃｇｉ、Ｂ用ライン毎モザイク処理画像Ｃｂｉ）を抽出（検索ともいう）して、該当のバンド種の抽出エリア画像用メモリ２２ｉ（色成分毎画像用記憶部ともいう）に記憶する。

このバンド種の抽出エリア画像用メモリ２２ｉは、抽出エリアＲ画像用メモリ２２ａと、抽出エリアＧ画像用メモリ２２ｂと、抽出エリアＢ画像用メモリ２２ｃとよりなる。
抽出エリアＲ画像用メモリ２２ａには例えば、２０２３年１０月１０日～２０１９年１０月１０日での間の一日単位のエリアＥｉに該当するＲ用ライン毎モザイク処理画像Ｃｒｉの集合を抽出エリアＲ１衛星画像Ｇｄｒｉ（Ｇｄｒ１、Ｇｄｒ２、・・：色成分毎画像）として記憶する。

そして、抽出エリアＧ画像用メモリ２２ｂには、２０２３年１０月１０日～２０１９年１０月１０日での間の一日単位のエリアＥｉに該当するＧ用ライン毎モザイク処理画像Ｃｇｉの集合を抽出エリアＧ衛星画像Ｇｄｇｉ（Ｇｄｇ１、Ｇｄｇ２、・・・：色成分毎撮影画像）として記憶する。

そして、抽出エリアＢ画像用メモリ２２ｃには、２０２３年１０月１０日～２０１９年１０月１０日での間の一日単位のエリアＥｉに該当するＢ用ライン毎モザイク処理画像Ｃｂｉの集合を抽出エリアＢ衛星画像Ｇｄｂｉ（Ｇｄｂ１、Ｇｄｂ２、・・・：色成分毎撮影画像）として記憶する。抽出エリアＲ１衛星画像Ｇｄｒｉ、抽出エリアＧ衛星画像Ｇｄｇｉ、抽出エリアＢ衛星画像Ｇｄｂｉを総称して露光毎カラー合成画像とも称する。
そして、同一波長画像生成部４０を起動する。

同一波長画像生成部４０は、オペレータによって入力されたバンド種（Ｒ１成分又はＧ成分若しくはＢ成分）を読み込む。本実施の形態ではＲ１成分とする。
そして、このＲ成分の抽出エリアＲ画像用メモリ２２ａの解析期間Ｗｉ（例えば、２０２３年１０月１０日～２０１９年１０月１０日：一日単位）のエリアＥｉの抽出エリアＲ１衛星画像Ｇｄｒｉ（Ｇｄｒ１、Ｇｄｒ２、・・）を同一波長画像生成用メモリ４２に複写する（以下、複写画像Ｒ２ｉと称する）。

つまり、オペレータによって入力されたバンド種と同一波長の画像を抽出エリア画像用メモリ２２ｉより複写している。そして、重ね合せ部３０を起動する。
画像重ね合せ部３０は、同一波長画像生成用メモリ４２の複写画像Ｒ２ｉ（Ｒ２１、Ｒ２２、・・・）と、この複写画像Ｒ２ｉ（Ｒ２１、Ｒ２２、・・・）と同じ時刻情報を有する抽出エリアＲ画像用メモリ２２ａの抽出エリアＲ１衛星画像Ｇｄｒｉ（Ｇｄｒ１、Ｇｄｒ２、・・）と重ね合わせたパンクロマチック画像Ｒｉ´（Ｒ１´、Ｒ２´、・・・：白黒合成画像（２値化）ともいう）を生成してパンクロ画像用メモリ２３（パンクロマチック画像用記憶部とも称する）に記憶する。

そして、これらのパンクロマチック画像Ｒｉ´（Ｒ１´、Ｒ２´、・・・）に付加されている時刻情報を有する抽出エリアＲ画像用メモリ２２ａの抽出エリアＲ１衛星画像Ｇｄｒｉ（Ｇｄｒ１、Ｇｄｒ２、・・）を順次抽出すると共に、抽出エリアＧ画像用メモリ２２ｂの抽出エリアＲ１衛星画像Ｇｄｇｉ（Ｇｄｇ１、Ｇｄｇ２、・・・）を順次抽出し、かつ抽出エリアＢ画像用メモリ２２ｃの抽出エリアＢ衛星画像Ｇｄｂｉ（Ｇｄｂ１、Ｇｄｂ２、・・・）を順次抽出する（抽出画像ともいう）。

そして、抽出毎にこれの抽出エリアＲ１衛星画像Ｇｄｒｉ（Ｇｄｒ１又はＧｄｒ２、・・）と、抽出エリアＲ１衛星画像Ｇｄｇｉ（Ｇｄｇ１又はＧｄｇ２、・・・）と、抽出エリアＢ衛星画像Ｇｄｂｉ（Ｇｄｂ１又はＧｄｂ２、・・・）と、パンクロマチック画像Ｒｉ´（Ｒ１´、Ｒ２´、・・・）とを重ね合わせたパンシャープン画像（露光毎パンシャープン画像ＣＰ１ｉ）を生成して、パンシャープン画像用メモリ５０（パンシャープン画像用記憶部ともいう）に記憶する。

このパンシャープン画像を色強調前パンシャープン画像ＣＰ１ｉとも処する。色強調後は色強調後パンシャープン画像ＣＰ２ｉと称する。この色強調後パンシャープン画像ＣＰ２ｉは、後述する色強調部５５によって色強調後パンシャープン画像用メモリ５８（ＲＧＢ強調画像用記憶部ともいう）に記憶される。

図５に色強調前パンシャープン画像ＣＰ１ｉ（図５においては単にＣＰｉと記載している）を示す。図５に示す色強調前パンシャープン画像ＣＰ１ｉは、走行中の車両（ 移動体）Ｔｍｉの移動量（速度に基づく）のみが色ずれを伴うカラー画像（Ｒ１ 、Ｇ 、Ｂ）により強調表示され、それ以外の、停止中の車両Ｔｓや道路または建物などを含む背景（ 静止物体） がモノクロ画像として表示して例である。図５においては、カラー画像を強調して車両Ｔｍｉの上に示している。

なお、図５は、高速道路のインターチェンジ（ＩＣ）付近を撮影した際のものであって、実際に走行中の車両Ｔｍｉを強調表示したものである。

また、色強調前パンシャープン画像ＣＰ１ｉと、色強調後パンシャープン画像ＣＰ２ｉ（ＲＧＢ強調後画像）とを総称して単にパンシャープン画像ＣＰｉと称する。
色強調部５５は、パンシャープイン画像用メモリ５０の色強調前パンシャープン画像ＣＰ１ｉの車両の移動体の速度に応じた移動量（変化量ともいう）の色現性を強調させた前述の色強調後パンシャープン画像ＣＰ２ｉをメモリ５８に得るためのものである（詳細は後述する）。

移動体軌跡生成部６０は、メモリ５８に生成された色強調後パンシャープン画像ＣＰ２ｉ（ＣＰ２１、ＣＰ２２、・・）を重ね合わせて車両移動軌跡検出画像ＣＤｉを生成して道路上車両移動軌跡Ｌａｉを得る。そして、同一エリア読込部９０より出力された道路ネットワークデータＤｉの軌跡（以下、道路ネットワーク軌跡ｄａｉという）を色強調後パンシャープン画像用メモリ５８（二次元平面）に定義して、この道路上車両移動軌跡Ｌａｉの道路ネットワークデータＤｉを図示しないメモリに記憶する。
以下に車両移動軌跡検出画像ＣＤｉの生成手順を説明する。

図３（ａ）に色強調後パンシャープン画像ＣＰ２ｉ（ＣＰ２１、ＣＰ２２、・・）を示す。但し、図３（ａ）においては、一車線の道路として記載している。
図３（ａ）は、例えば２０２３年１０月１０日の色強調後パンシャープン画像ＣＰ２１、２０２３年１０月９日の色強調後パンシャープン画像ＣＰ２２、・・・・、２０１９年１０月１０日の色強調後パンシャープン画像ＣＰ２ｎが蓄積された例を示している。

また、色強調後パンシャープン画像ＣＰ２１（２０２３年１０月１０日）には、３台の車両Ｔｍｉ（Ｔｍ１、Ｔｍ２、Ｔｍ５）を示し、その移動量をＲ１、Ｇ、Ｂの長さで示している。
また、色強調後パンシャープン画像ＣＰ２２（２０２３年１０月９日）には、１台の車両Ｔｍｉ（Ｔｍ５０）を示し、その移動量をＲ１、Ｇ、Ｂの長さで示している。

色強調後パンシャープン画像ＣＰ２ｎ（２０１９年１０月１０日）には、２第の車両Ｔｍ（Ｔｍ１００、Ｔｍ１０１）を示し、その移動量をＲ１、Ｇ、Ｂの長さで示し、Ｔｍ５は存在していない例を示している。
そして、移動体軌跡生成部６０は、これらの色強調後パンシャープン画像ＣＰ２ｉ（２０２３年１０月１０日～２０１９年１０月１０日）をさらに重ね合わせた車両移動軌跡検出画像ＣＤｉ（図３（ｂ）参照）を生成し、これを車両移動軌跡検出画像用メモリ７０に記憶する。

すなわち、図３（ｂ）に示すように、２０２３年１０月１０日～２０１９年１０月１０日の色強調後パンシャープン画像ＣＰ２ｉを重ね合わせしたので、この間の車両Ｔｍｉの移動量を示すＲ１、Ｇ、Ｂ成分が合成されることになる。このため、一本の白画像となる。
従って、例えば、２０２３年１０月１０日～２０２０年１０月１０日の間に、Ｔｍ５のように他の車両が通ったすれば、図３（ｂ）に示すように、新規道路として検出できることになる（斜線の増減、斜線変更、交差点変更等を含む）。

なお、Ｒ、Ｇ、Ｂ画像を合成したカラー画像はマルチスペクトル画像とも称する。パンシャープン画像とは、マルチスペクトル画像とパンクロマチック画像とを合成処理（パンシャープン処理）した画像である。

そして、移動体軌跡生成部６０は、図４（ａ）に示すように、道路ネットワーク軌跡ｄａｉから図４（ｂ）に示す車両移動軌跡検出画像ＣＤｉの道路上車両移動軌跡Ｌａｉに対して垂線を引いて、道路上車両移動軌跡Ｌａｉ上におけるメッシュＭｉを指定する。

そして、このメッシュＭｉ（例えば、２ｍ、２．５ｍ、３ｍ）に割り付けられている色値が例えば、白（０）の場合は、このメッシュＭｉを中心にして、一定範囲（例えば、１０ｍ、２０ｍ、）の円を定義し、この円内において、同じ白（０）で連続しているメッシュＭｉ群を解析範囲Ｗｉにおける車両の一定範囲毎移動速度色軌跡とする処理を行う。

そして、次のメッシュＭｉを指定し、このメッシュＭｉに対して前述の一定範囲毎移動速度色軌跡の処理を実施して、エリアＥｉにおける道路上車両移動軌跡Ｌａｉを得る。図４（ｂ）においては、新規に繋げられた道路上を移動した車両の道路上車両移動軌跡Ｌａｉ´を示している。なお、道路上車両移動軌跡Ｌａｉ（Ｌａｉ´含む）は、ベクトル化しても構わない。つまり、道路ネッワークデータＤｉ´（ベクタ）にする。

色強調部５５は、パンシャープイン画像用メモリ５０の色強調前パンシャープン画像ＣＰ１ｉの車両の移動体の速度に応じた移動量（変化量ともいう）の色現性を強調させた前述の色強調後パンシャープン画像ＣＰ２ｉをメモリ５８に得るためのものである（詳細は後述する）。

道路ネットワーク用メモリ８０は、道路ネットワークデータを記憶している。道路ネットワークデータは、道路に関する様々な情報を属性として持っており、道路の特徴点を表す「ノード」と、ノードを結んで道路の形状を表す「リンク」によって表現されている。道路の特徴点が「ノード」で、ノードは、交差点・ 曲り角・ 行き止まり等である。

これらのノード（点）を接続する線が「リンク」で道路区間になる。この他に、規制速度、道路の幅、平日の12時間交通量、旅行速度（ある区間について、区間の距離を走行に要した時間で割ったもので、所要時間には、信号や渋滞などによる停止も含む速度）や車線数等が関連付けられて記憶されている。

同一エリア読込部９０は、オペレータにより入力されたエリアＥｉに該当する道路ネットワークデータＤｉ（ベクター）を移動体軌跡生成部６０及び後述する道路変化検出部１００に出力する。
道路変化検出部１００は、道路構造の変化等を監視するＡＩ（Artificial Intelligence）ソフトである。

道路変化検出部１００は、同一エリア読込部９０より出力された道路ネットワーク軌跡ｄａｉと、車両移動軌跡検出画像用メモリ７０の道路上車両移動軌跡Ｌａｉ（Ｌａｉ´含む）とを読込み、レーン減少道路、道路上の工事、事故負荷率、イベント等を予測し、これらから新規道路において推定される変化を予測して出力する。

（衛星画像上より車両速度を色識別できる理由）
以下に二時期の衛星画像上より車両速度を色識別できる理由を説明する。
パンシャープ画像ＣＰｉは、図５に示すように、走行中の車両（ 移動体）Ｔｍｉの移動量（速度に基づく）のみが色ずれを伴うカラー画像（Ｒ１ 、Ｇ 、Ｂ）により強調表示され、それ以外の、停止中の車両Ｔｓや道路または建物などを含む背景（ 静止物体） がモノクロ画像として表示されたものとなる。図５においては、カラー画像を強調して車両Ｔｍｉの上に示している。

なお、図５は、高速道路のインターチェンジ（ＩＣ）付近を撮影した際のものであって、実際に走行中の車両Ｔｍｉを強調表示したものである。

次に、色強調部５５について図６のフローチャートを用いて説明する。図６に示すように、まず、色強調部５５は、パンシャープイン画像用メモリ５０ に記憶された色強調前パンシャープン画像ＣＰ１ｉ（ＣＰ１１、ＣＰ１２、・・）を順次指定し、この指定毎に色強調前パンシャープン画像ＣＰ１ｉ（Ｃ Ｐ １１又はＣＰ１２、・・）のメッシュＭｉ（以下、ピクセル座標Ｐｚａｉ（ｉ，ｊ）という）を指定（例えば、角）する（Ｓ０５）。

そして、指定したピクセル座標Ｐｚａｉ（ｉ，ｊ）の画素データ（１ピクセル内のＲ（Ｒ１又はＲ２）、Ｇ 、Ｂの成分：各ピクセル値）を読込む（Ｓ０６）。そして、読込んだ画素データの各ピクセル値が全て同じかどうかを判断する（Ｓ０７）。

ステップＳ０７では、各々のピクセル値が全て同じでない場合（Ｒ１≠Ｇ≠Ｂ）、（マルチスペクトル画像：カラー合成画像）の画像データと判定する。つまり、全てのピクセル値が等しくない場合に、そのピクセルは、移動体（例えば、Ｔｍ２）のものであると判定される。

また、例えば図１３（ａ）に示すように、全てのピクセル値が等しい場合に、その画素は、背景の白黒画像（一例として、Ｒ＝Ｇ＝Ｂ＝１０８ならば黒ＰＫ、Ｒ＝Ｇ＝Ｂ＝２００ならば白ＰＷ）のものであると判定する（ただし、２５６階調の場合）。

ステップＳ０７で、マルチスペクトラム画像（カラー合成画像）の画素データと判定した場合（ＮＯ）は、指定したピクセル座標Ｐｚａｉ（ｉ，ｊ）に対応する画素の色種を決定する（Ｓ０８）。

例えば、各ピクセル値がＲ１＝Ｒ２＝Ｇ≠Ｂ（ただし、Ｂ＞Ｒ１＝Ｒ２＝Ｇ）の場合は、「青」と判断する。また、各ピクセル値がＲ１＝Ｒ２＝Ｂ≠Ｇ（ただし、Ｇ＞Ｒ１＝Ｒ２＝Ｂ）の場合は、「緑」と判断する。さらに、各ピクセル値がＢ＝Ｇ≠（Ｒ１＝Ｒ２）（ただし、Ｒ１＝Ｒ２＞Ｇ＝Ｂ）の場合は、「赤」と判断する。

一例として、２５６階調の場合において、例えば図１３（ａ）に示すように、Ｒ＝１７８で、Ｇ＝Ｂ＝１２９ならば赤（ＰＲ１）、Ｇ＝１７８で、Ｒ＝Ｂ＝１００ならば緑（ＰＧ）、Ｂ＝１７８で、Ｒ＝Ｇ＝１０２ならば青（ＰＢ）と判断される。

そして、ステップＳ０８で決定した色種を読込み、この色種を強調する（Ｓ１０）。

例えば、各ピクセル値がＢ＝Ｇ＜Ｒの場合は、Ｒのピクセル値だけを最大値にし、赤（ＰＲ１）を強調させる。また、各ピクセル値がＲ＝Ｂ＜Ｇの場合は、Ｇのピクセル値だけを最大値にし、緑（ＰＧ）を強調させる。

さらに、各ピクセル値がＲ＝Ｇ＜Ｂの場合は、Ｂのピクセル値だけを最大値にし、青（ＰＢ）を強調させる。最大値というのは、例えば、２４０～２５５の範囲を含むとする（２５６階調の場合）。また、例えば図１３（ｂ）に示すように、最大値にするピクセル値以外の各ピクセル値は「０」にするようにしても良く、その色種をより強調させることができる。

すなわち、色強調部５５においては、例えば図１３（ｂ）に示すように、最高の階調度が赤（ＰＲ１）ならば、Ｒ＝２５５（Ｇ＝Ｂ＝０）、緑（ＰＧ）ならば、Ｇ＝２５５（Ｒ＝Ｂ＝０）、青（ＰＢ）ならば、Ｂ＝２５５（Ｒ＝Ｇ＝０）となるように、ステップＳ０８で決定された色種のみが最大値に近似して補正（強調）される。

以上のような色強調処理によって、色強調前のパンシャープン画像ＣＰ１ｉが色強調後のパンシャープン画像ＣＰ２ｉ（図７（ｂ）参照）として、色強調後パンシャープン画像用メモリ５８に順次記憶する。
例えば、所定の速度以上の速度で移動する移動体は、Ｒ１、Ｇ、Ｂの色ずれを伴うカラー画像（マルチスペクトル画像）として強調されることになる。

次いで、色強調部５５は、ピクセル座標Ｐｚａｉ（ｉ，ｊ）が他にあるかどうかを判断する（Ｓ１２）。

ステップＳ１２で、ピクセル座標Ｐｚａｉ（ｉ，ｊ）が他にあると判断した場合（ＹＥＳ）は、ピクセル座標Ｐｚａｉ（ｉ，ｊ）を更新して、処理をステップＳ０６に戻す（Ｓ１３）。

一方、ステップＳ０７で、各ピクセル値がほぼ同じ（Ｒ１＝Ｇ＝Ｂ）と判定した場合（ＹＥＳ）は、モノクロ画像の画素と判定し、処理をステップＳ１２に移す。

また、ステップＳ１２で、ピクセル座標Ｐｚａｉ（ｉ，ｊ）が他にないと判断した場合（ＮＯ）、ピクセル座標Ｐｚａｉ（ｉ，ｊ）を順次指定し（Ｓ１４、Ｓ１５）、「ｊ」の値がマックス値（ 例えば、ｍａｘ＝７６８）になるまで、ステップＳ０６～を繰り返す。

こうして、各画素が、例えば、「青」、「緑」、または「赤」を示している場合は、移
動体を示すカラー画像と判断することができる（ 図１３（ｂ）参照） 。

「ｊ」の値が最大値の場合（Ｓ１４：ＹＥＳ）には、この色強調後のパンシャープン画像ＣＰ２ｉを車両移動軌跡検出画像ＣＤｉとして車両移動軌跡検出画像用メモリ７０に書き込む（Ｓ１６）。

図７は、走行中の車両（移動体）を例に、画像ＣＰ２ｉの一例を示すものである。なお、図７（ａ）は、色強調処理を施す前のパンシャープン画像ＣＰ１ｉであり、図７（ｂ）は、色強調処理を施した後のパンシャープン画像ＣＰ２ｉである。

色強調後パンシャープン画像ＣＰ２ｉにおいては、例えば図７（ｂ）に示すように、停止中の車両や道路または建物などを含む背景（静止物体）はモノクロ画像として、走行中の車両のみがＴｍ１（Ｂ、Ｇ、Ｒ１）またはＴｍ２（Ｒ１、Ｇ、Ｂ）のようにカラー画像としてされるとともに、図７（ａ）の色強調前パンシャープン画像ＣＰ１ｉの場合よりも、表示のカラー画像がより強調されている。

なお、カラー画像における色種の順番（Ｒ１、Ｇ、ＢまたはＢ、Ｇ、Ｒ１）の異なりは
、走行中の車両Ｔｍ１、Ｔｍ２の移動方向の違いによる。

また、走行中の車両Ｔｍ１、Ｔ ｍ２の近傍に進行方向（移動方向）を示す矢印を表示させたり、移動速度を示す数値（時速）などを表示させたりするようにしても良い。

図８（ａ）、（ｂ）は、移動体のＲ１、Ｇ、Ｂ特性を示すものである。

すなわち、一定速度以上のスピードで走行中の車両Ｔｍｉの場合は、幾何学的に重なり合うように位置合わせして得た各バンドのカラー画像を同一サイズで重ね合わせたとしても、車両Ｔｍの画素間の移動が、その移動速度に応じて数ピクセルから十数ピクセルにおよぶため、図８（ａ）に示すように、Ｒ１、Ｇ、Ｂの各々の成分特性（色）のずれが大きくなる。

これに対し、停止中の車両Ｔｓの場合は、簡単なラインディレイ補正などにより、各バンドのカラー画像がほぼ重なり合うので、図８（ｂ）に示すように、Ｒ１、Ｇ、Ｂの成分特性（色）のずれは小さくなる。つまり、停止中の車両Ｔｓは、道路または建物などを含む背景（静止物体）と同様にモノクロ画像として表示される。

図９は、Ｒ１と、Ｇと、Ｂと、Ｒ２の関係を模式的に示すものである。

図１０（ａ）、（ｂ）は、停止中の車両Ｔｓとその表示例とを示すもので、停止中の車両Ｔｓの場合、カラー表示にＲ１、Ｇ、Ｂの色ずれは殆んど発生しない。

図１１（ａ）、（ｂ）は、低速走行中の車両Ｔｍａとその表示例とを示すもので、低速走行中の車両Ｔｍａが図示実線の位置から図示破線の位置まで移動するのに伴って、カラー表示のＲ１、Ｇ、Ｂに若干の色ずれが発生する。

図１２（ａ）、（ｂ）は、高速走行中の車両Ｔｍｂとその表示例とを示すもので、高速走行中の車両Ｔｍｂが図示実線の位置から図示破線の位置まで移動するのに伴って、カラー表示にＲ１、Ｇ、Ｂの大きな色ずれが発生する。

したがって、カラー表示の色ずれの程度に応じて、走行中の車両Ｔｍｉが高速走行中の車両Ｔｍｂか、低速走行中の車両Ｔｍａかを簡単に判別することが可能である。

これにより、静止物体はグレースケールによって、移動体は色付きの画像として、移動体検出画像上にそれぞれ表示できるようになるため、移動体検出画像上に走行中の車両だけをカラー表示させることが可能となる。

しかも、走行中の車両をより強調させて表示させることが可能となるため、走行中の車両を確実に検出できるようになるとともに、検出された走行中の車両の速度や移動方向または個数などをも容易に算出できるようになる。

ここで、移動体の移動方向とその色ずれの関係について説明する。

図１４（ａ）は、走行中の車両Ｔｍｉの移動方向（ＭＤ）と人工衛星１の移動方向（ＳＤ）との関係を例示するものである。

また、図１４（ｂ）は、地表面上における車両Ｔｍｉの移動方向を東側方向とし、図１４（ｃ）は、地表面上における車両Ｔｍｉの移動方向を西側方向とし、図１４（ｄ）は、地表面上における車両Ｔｍｉの移動方向を北側方向とし、図１４（ｅ）は、地表面上における車両Ｔｍｉの移動方向を南側方向とした場合の例である。

走行中の車両Ｔｍｉは、図１４（ｂ）～ 図１４（ｅ）に示すように、その移動の方向にかかわらず、常に、移動方向に対するＢ、Ｇ、Ｒ１の順番となる（カラー表示にＲ２は特に関係しないので、図示省略） 。

すなわち、走行中の車両Ｔｍｉの場合、人工衛星１の移動方向（ＳＤ）に対する、各画像成分のラインセンサの配列の順番に依存して、Ｂ、Ｇ、Ｒ１順の色ずれを生じる。したがって、この色ずれを検出することにより、走行中の車両Ｔｍｉは勿論のこと、車両Ｔｍｉの移動の方向（ＭＤ）をも特定可能となる。

また、色ずれは、走行中の車両Ｔｍｉの速度にほぼ比例するため、そのずれ量から、走行中の車両Ｔｍｉの速度も容易に推定（算出）可能である。

図１５（ａ）～ 図１５（ｃ）は、高速道路のＩＣ付近を実際に撮影して得た移動体の変化量をカラー表示した場合を例示したものである。これにより、例えば図１５（ａ）に示すようなマルチスペクトル画像（エリアＷｉのカラー合成画像）と、また、例えば図１５（ｂ）に示すようなパンクロマチック画像（エリアＷｉの白黒合成画像）とを、幾何学的に重なり合うように位置合わせして、色強調前のパンシャープン画像ＣＰ１ｉとなる、図１５（ｃ）に示すような画像が得られる。

また、図１６（ａ）～ 図１６（ｃ）は、高速道路のＩＣと一般道とをつなぐ接続道路付近を実際に撮影した場合を例示したものである。なお、図１６（ａ）は、接続道路付近のマルチスペクトル画像（ エリア Ｗｉのカラー合成画像）であり、図１６（ｂ）は、接続道路付近のパンクロマチック画像（エリアＷｉの白黒合成画像）であり、図１６（ｃ）は、接続道路付近の移動体検出画像（色強調前）としての色強調前パンシャープン画像ＣＰ１ｉである。

図１７は、図１６（ｃ）に示した接続道路付近の色強調前パンシャープン画像ＣＰ１ｉを拡大して示すものある。

この色強調前パンシャープン画像ＣＰ１ｉからも明らかなように、接続道路ＤＯ上を走行中の複数の車両Ｔｍｏは、いずれもＩＣ方向より交差点方向に近づくにつれて、赤信号により停止すべく徐々に減速し、それに伴って色ずれの大きいカラー表示から色ずれの小さいモノクロ表示へと変化する。

逆に、ＩＣ方向に向かう車両Ｔｍｉは徐々に加速し、速度が増加するにつれて、色ずれの大きいカラー表示へと変化する。

なお、このパンシャープン画像ＣＰ１ｉは色強調前であって、走行中の車両Ｔｍｏ 、Ｔｍｉ に対して、上述の色強調処理を施すことにより、走行中の車両Ｔｍｏ 、Ｔｍｉの表示がより鮮明となる。

すなわち、例えば、当該色強調前パンシャープン画像ＣＰ１ｉの各画素が走行中の車両Ｔｍｉのものか否かが、そのピクセル値に基づいて判定される。例えば、各画素の色種別の階調度を示すピクセル値のいずれかが「０」でない場合、その画素は走行中の車両Ｔｍｉのものと判定され、逆に、各画素の色種別の階調度を示すピクセル値の全てが「０」の場合、その画素は静止物体のものと判定される。

そして、走行中の車両Ｔｍｉのものと判定された各画素の色種別の階調度を示すピクセル値が、最大値（ 例えば、２４０～２５５） に変更される。

こうして、色種別の階調度を示すピクセル値の全てが「０」でない画素の階調度がそれ
ぞれ最大値に変更された色強調後パンシャープン画像ＣＰ２ｉが生成されることになる。

＜実施の形態２＞
図１８は実施の形態２の概略構成図である。図１８においては、衛星画像記憶制御部１０、画像抽出部２０、画像重ね合せ部３０、色強調部５５、移動体軌跡生成部６０、同一エリア読込部９０、道路変化検出部１００、抽出エリア画像用メモリ２２ｉ、パンクロ画像用メモリ２３、メモリ５５、メモリ５８は図示しない。

また、図１と同一符号のものは説明を省略する。図１８に示すように、プローブ情報用メモリ１１０と、ニュース情報用メモリ１２０を備えている。
プローブ情報用メモリ１１０のプローブ情報は、実際に車両が走行した位置や車速、ワイパーの状態等の情報であり、車番、カーナビ番号、年月日時刻、車種、ドアの状況、窓の状況等が含まれている。

ニュース情報用メモリ１２０に記憶されるニューズ情報は、過去、現時点の道路及び道路近隣におけるニュース情報であり、テキストファイルで記憶されている。

同一エリア読込部９０は、エリアＥｉに該当する道路ネットワークデータＤｉ（Ｂ）及びこのエリアＥｉに存在する車両Ｔｍｉのプローブ情報（Ｃ）並びにエリアＥｉにおけるニュース情報（Ｄ）を道路変化検出部１００に出力する。

道路変化検出部は１００は、車両移動軌跡検出画像用メモリ７０の車両移動軌跡検出画像ＣＤｉにおける道路上車両移動軌跡Ｌａｉ（Ａ）と、道路ネットワークデータＤｉ（Ｂ）と、プローブ情報（Ｃ）と、ニュース情報（Ｄ）とに基づいて今後変化する情報を推定して出力する。例えば、新規道路が接続されたことによって、エリアＥｉの道路状況が混雑する。又はプローブ情報（Ｃ）の状況より新規道路には、数年で凹凸ができる等を推定する。

＜実施の形態３＞
図１９は実施の形態３の概略構成図である。図１９において、図１と同一符号のものは説明を省略する。

５ｍＤＥＭ用メモリ２２０を備えている。
道路変化検出部１００は、道路ネットワークと、パンシャープイン画像用メモリ５０の軌跡と、５ｍＤＥＭ用メモリ２２０の５ｍＤＥＭとを比較し、この標高値が基準値を超えた場合又は以下の場合に、道路ネットワークに以上箇所を知らせるフラグを関連付けて、これを変化検出結果情報として変化検出結果用メモリ２４０に記憶する。

これによって、道路上等に新たに存在する凸部等がわかる。
すなわち、走行中の車両Ｔｍｉを自動的に検出できると共に、地図上にない道路の新設及び道路上の新たな凹凸等を道路マップに反映できる。

なお、色強調部５５は、入力された道路の範囲を読込み、この範囲内の色強調前パンシャープン画像ＣＰ１ｉに対して色強調を行って、移動体軌跡生成部６０が、色強調後の色強調後パンシャープン画像ＣＰ２ｉ（ＣＰ２１、ＣＰ２２、・・）を重ね合わせて車両移動軌跡検出画像ＣＤｉを生成して道路上車両移動軌跡Ｌａｉを得ても構わない。

１０ 衛星画像記憶制御部
２０ 画像抽出部
３０ 画像重ね合せ部
５５ 色強調部
６０ 移動体軌跡生成部
９０ 同一エリア読込部
１００ 道路変化検出部

Claims (2)

1. 飛行体が所定の速度で移動しながら所定の露光タイミングでＲ、Ｇ、Ｂラインセンサで取得したライン毎撮影画像に基づいて前記撮影エリアの移動体軌跡を生成する写真画像を用いた移動体軌跡生成装置であって、
   所定期間にわたる、前記Ｒ、Ｇ、Ｂラインセンサ毎の色成分毎撮影画像を記憶した色成分毎画像用記憶部と、パンシャープン画像用記憶部と、ＲＧＢ強調画像用記憶部と、カラー合成画像用記憶部と、パンクロマチック画像用記憶部と、移動体軌跡画像用記憶部とを備え、さらに、
   前記露光タイミング毎のＲ、Ｇ、Ｂラインセンサ毎の色成分毎撮影画像同士を重ね合わせた露光毎カラー合成画像を生成し、これを前記カラー合成画像用記憶部に記憶する手段と、
   前記露光タイミング毎のＲ、Ｇ、Ｂラインセンサ毎のライン毎撮影画像の内で、Ｒ成分、Ｇ成分又はＢ成分のライン画像と同一波長成分の画像を抽出し、この抽出画像と、該抽出画像と同一波長成分のＲ成分、Ｇ成分又はＢ成分のライン画像と重ね合成して露光毎パンクロマチック画像を生成し、これを前記パンクロマチック画像用記憶部に記憶する手段と、
   前記露光毎カラー合成画像と前記露光毎パンクロマチック画像とを重ね合成した露光毎パンシャープン画像を生成し、これを前記パンシャープン画像用記憶部に記憶する手段と、
   この露光毎パンシャープン画像毎に、この画像の内で、Ｒ、Ｇ、Ｂが連続する塊のメッシュ群を移動体とし、このメッシュ群を構成するＲ色のメッシュ、Ｇ色のメッシュ、Ｂ色のメッシュの各々の色値を予め設定されている最大値にした画像をＲＧＢ強調画像として前記ＲＧＢ強調画像用記憶部に記憶する手段と、
   前記ＲＧＢ強調画像同士を重ね合わせて、得れた白値の連続軌跡を前記移動体軌跡として前記移動体軌跡画像用記憶部に記憶する手段と
   を有することを特徴とする写真画像を用いた移動体軌跡生成装置。
2. 道路ネットワークを記憶した道路ネットワークデータベースを備え、前記道路ネットワークと前記移動体軌跡との比較で道路の増減を検出する道路変化検出部を有することを特徴とする請求項１記載の移動体軌跡生成装置。